/ Модель

Характеристики

Контекст
1 024 токена
Параметры
153 млн
Лицензия
CC BY-SA 4.0
Архитектура
whisper · dense
Базовая модель
whisper-small-waxal-round2-specaug-v1
Библиотека
transformers
Опубликована
29 июн 2026

serendepify-gsl-asr-ak-waxal-whisper-small-only-lowlr-freezeenc-fullft-v0.4

Распознавание речиАудио → текст

Экспериментальная версия Whisper Small для распознавания и транскрибирования речи на аканском языке и тви.

5скачиваний за 30 дней0лайковвеса обновлены29 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель разработана Ghanaian Speech Lab и представляет собой экспериментальный вариант Whisper Small для автоматического распознавания речи. Это дообучение чекпойнта teckedd/whisper-small-waxal-round2-specaug-v1 на 9138 обучающих примерах Waxal с замороженным энкодером; всего в модели 153,1 млн параметров. Она предназначена для транскрибирования речи на аканском языке, включая тви.

Это реальный обучающий запуск с низкой скоростью обучения и полным дообучением незамороженных частей модели. В карточке приведены базовые метрики, но итоговые значения и оценка на отложенной выборке не представлены, поэтому качество этой версии пока следует считать не подтверждённым. Модель принимает аудио и выдаёт текст. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • Транскрибирование записей на тви
  • Распознавание аканской речи в аудиозаписях
  • Подготовка текстовых расшифровок для корпусов речи на аканском языке

Ограничения

Оценка на отложенной выборке и анализ ошибок ещё не завершены; итоговые метрики в карточке не приведены. Обучение выполнено на данных Waxal, поэтому качество за пределами этого набора не установлено.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

serendepify-gsl-asr-ak-waxal-whisper-small-only-lowlr-freezeenc-fullft-v0.4

This is a Ghanaian Speech Lab ASR artifact: a Waxal-only low-learning-rate full fine-tuning pass from the Round 2 checkpoint with the Whisper encoder frozen.

It is a real training run, not a smoke-test checkpoint, but it is still a review candidate until the held-out evaluation and failure taxonomy are complete.

License is set conservatively because this pass includes Waxal-derived data.

  • Training rows: 9138
  • Dev rows: 1024
  • Max steps: 600
  • Method: full fine-tuning from teckedd/whisper-small-waxal-round2-specaug-v1
  • Dataset mix: Waxal only from the v0.1 sanitized manifest
  • Frozen encoder: True
  • Stop on first regression: True

Baseline metrics:

{
  "baseline_loss": 3.306061029434204,
  "baseline_model_preparation_time": 0.0044,
  "baseline_wer": 0.31875728802265535,
  "baseline_runtime": 651.5194,
  "baseline_samples_per_second": 1.572,
  "baseline_steps_per_second": 0.393
}

Baseline by corpus:

{
  "waxal": {
    "baseline_waxal_loss": 3.306061029434204,
    "baseline_waxal_model_preparation_time": 0.0044,
    "baseline_waxal_wer": 0.31875728802265535,
    "baseline_waxal_runtime": 656.1573,
    "baseline_waxal_samples_per_second": 1.561,
    "baseline_waxal_steps_per_second": 0.39
  }
}

Final metrics:

{
  "final_loss": 0.4626207947731018,
  "final_model_preparation_time": 0.0044,
  "final_wer": 0.3408573491032262,
  "final_runtime": 636.7901,
  "final_samples_per_second": 1.608,
  "final_steps_per_second": 0.402,
  "epoch": 0.34995625546806647
}

Final by corpus:

{
  "waxal": {
    "final_waxal_loss": 0.4626207947731018,
    "final_waxal_model_preparation_time": 0.0044,
    "final_waxal_wer": 0.3408573491032262,
    "final_waxal_runtime": 645.7581,
    "final_waxal_samples_per_second": 1.586,
    "final_waxal_steps_per_second": 0.396,
    "epoch": 0.34995625546806647
  }
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
WhisperForConditionalGeneration
Ревизия весов
89d2d0b

0 моделей